1.一种钻井返出的岩屑监测方法，其特征在于，所述方法包括：
终端获取激光雷达对振动筛出口的扫描结果，并获取摄像头对振动筛出口的岩屑拍摄得到的视频流数据；
所述终端根据所述扫描结果生成3D点云数据；
所述终端通过所述3D点云数据进行计算，得到岩屑的第一体积；
所述终端通过所述视频流数据进行计算，得到岩屑的第二体积；
所述终端根据第一体积和第二体积对振动筛口的岩屑情况进行监测。
2.根据权利要求1中所述的钻井返出的岩屑监测方法，其特征在于，所述终端根据第一体积和第二体积对振动筛口的岩屑情况进行监测包括：
所述终端根据所述第一体积和所述第二体积生成目标岩屑监测数据；
所述终端将所述视频流数据输入预先训练好的机器学习模型，从而计算出预测结果，所述机器学习模型是通过3D点云数据、视频流数据和钻井中的数据训练得出收敛的模型；
所述终端根据所述目标岩屑监测数据与所述预测结果对振动筛口的岩屑情况进行监测。
3.根据权利要求2中所述的钻井返出的岩屑监测方法，其特征在于，所述终端根据所述第一体积和所述第二体积生成目标岩屑监测数据包括：
所述终端将所述第一体积和所述第二体积进行差值平均计算；
所述终端将差值平均计算后的数据与当前钻井中的数据结合，得出目标岩屑监测数据，所述当前钻井中的数据由钻井工作设备实时采集得到并发送给所述终端。
4.根据权利要求2中所述的钻井返出的岩屑监测方法，其特征在于，所述终端根据所述目标岩屑监测数据与所述预测结果对振动筛口的岩屑情况进行监测包括：
所述终端根据所述目标岩屑监测数据与所述预测结果综合判断振动筛口的岩屑是否有异常情况；
若是，则所述终端发出异常警告，并继续监测工作；
若否，则所述终端继续监测工作。
5.根据权利要求1中所述的钻井返出的岩屑监测方法，其特征在于，所述终端通过所述
3D点云数据进行计算，得到岩屑的第一体积包括：
所述终端对所述3D点云数据进行平面分割；
所述终端对平面分割后的数据使用离群算法，使所述平面分割后的数据去除冗余；
所述终端对去除冗余后的数据使用聚类算法，将目标岩屑的临近岩屑堆成同一簇岩屑堆；
所述终端对每一簇岩屑堆分别计算得出第一体积。
6.根据权利要求1中所述的钻井返出的岩屑监测方法，其特征在于，所述终端通过所述视频流数据进行计算，得到岩屑的第二体积包括：
所述终端使用图像二值化算法处理所述视频流数据，得到处理后的视频流数据；
所述终端对所述处理后的视频流数据建立目标动态模型；
所述终端对所述目标动态模型使用分割与聚类、差补和离群点去除的方法进行处理，得到处理后的动态模型；
所述终端将所述处理后的动态模型与积分算法结合，计算得出第二体积；
所述终端将所述第一体积和第二体积结合，并建立损失函数体系，进而修正体积的计算结果。
7.一种钻井返出的岩屑监测装置，其特征在于，包括：
获取单元，终端获取激光雷达对振动筛出口的扫描结果，并获取摄像头对振动筛出口的岩屑拍摄得到的视频流数据；
生成单元，所述终端根据所述扫描结果生成3D点云数据；
第一计算单元，所述终端通过所述3D点云数据进行计算，得到岩屑的第一体积；
第二计算单元，所述终端通过所述视频流数据进行计算，得到岩屑的第二体积；
监测单元，所述终端根据第一体积和第二体积对振动筛口的岩屑情况进行监测。
8.根据权利要求7中所述的钻井返出的岩屑监测装置，其特征在于，所述监测单元包括：
生成子单元，所述终端根据所述第一体积和所述第二体积生成目标岩屑监测数据；
预测子单元，所述终端将所述视频流数据输入预先训练好的机器学习模型，从而计算出预测结果，所述机器学习模型是通过3D点云数据、视频流数据和钻井中的数据训练得出收敛的模型；
监测子单元，所述终端根据所述目标岩屑监测数据与所述预测结果对振动筛口的岩屑情况进行监测。
9.一种钻井返出的岩屑监测装置，其特征在于，所述装置包括：
激光雷达、摄像设备、防爆外壳、处理器、存储器、输入输出单元以及总线；
所述激光雷达、所述摄像设备、所述处理器与所述存储器、所述输入输出单元以及所述总线相连，组成智能中控；
所述防爆外壳设置在所述激光雷达、所述摄像设备和所述智能中控外部；
所述存储器保存有程序，所述处理器调用所述程序以执行如权利要求1至6任一项所述钻井返出的岩屑监测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上保存有程序，所述程序在计算机上执行时执行如权利要求1至6中任一项所述钻井返出的岩屑监测方法。